卷积神经网络 (CNN) 可以自动从原始数据中学习特征以近似函数,这种网络越来越多地应用于脑电图 (EEG) 信号的端到端分析,尤其是用于解码脑机接口 (BCI) 中的大脑状态。尽管如此,CNN 引入了大量可训练参数,可能需要较长的训练时间,并且缺乏学习到的特征的可解释性。本研究的目的是提出一种用于 P300 解码的 CNN 设计,重点在于其在保证高性能的同时的轻量级设计、不同训练策略的影响以及使用事后技术来解释网络决策。所提出的设计名为 MS-EEGNet,以高效和优化(就可训练参数而言)的方式学习了两个不同时间尺度(即多尺度,MS)中的时间特征,并在三个 P300 数据集上进行了验证。使用不同的策略(参与者内和会话内、参与者内和跨会话、留一法、迁移学习)训练 CNN,并与几种最先进的 (SOA) 算法进行了比较。此外,分析了基线 MS-EEGNet 的变体,以评估不同超参数对性能的影响。最后,使用显着图来推导驱动 CNN 决策的相关时空特征的表示。尽管 MS-EEGNet 具有多个时间尺度,但它与测试的 SOA CNN 相比是最轻的 CNN,并且明显优于 SOA 算法。事后超参数分析证实了 MS-EEGNet 创新方面的优势。此外,MS-EEGNet 确实受益于迁移学习,尤其是使用少量训练示例,这表明所提出的方法可用于 BCI 中以准确解码 P300 事件,同时减少校准时间。从显著性图得出的表示与 P300 时空分布相匹配,进一步验证了所提出的解码方法。本研究通过专门解决轻量级设计、迁移学习和可解释性方面的问题,有助于推动基于 P300 的 BCI 深度学习算法的开发。
在能源系统建模中,获取基于天气的时间序列和大面积可再生能源的最大容量潜力是一个常见问题。存在具有开放 API 的网站,例如可用于此目的的 renewables.ninja(Pfenninger & Staffell, 2016;Staffell & Pfenninger, 2016),但它们难以用于本地执行(例如在集群环境中),并且仅限于非商业用途。此外,从设计上讲,它们既不公开底层数据集,也不公开用于获取时间序列的方法(此处称为转换函数/方法)。这使得它们不适合利用不同的天气数据集或探索替代转换函数。pvlib(Holmgren et al., 2018)适合本地执行并允许互换输入数据,但仅适用于光伏系统,且旨在用于单一位置建模。其他软件包,例如丹麦的 REatlas(Andresen 等,2015)面临可访问性障碍、基于专有代码、缺少文档并且输入的灵活性受到限制。
摘要 — 量子置换垫或 QPP 最早由 Kuang 和 Bettenburg 于 2020 年提出 [15]。QPP 是一种由多个 n 量子比特量子置换门组成的通用量子算法。作为一种量子算法,QPP 既可以在量子计算系统中实现为对 n 量子比特状态进行操作以进行转换的量子电路,也可以在由 n 位置换矩阵垫表示的经典计算系统中实现。QPP 具有两个独特的特点:巨大的香农信息熵和置换矩阵之间的非交换性或广义不确定性原理。置换变换是输入信息空间和输出密文空间之间的双射映射。这意味着,由于不确定性关系,QPP 具有可重用的香农完全保密性。QPP 是希尔伯特空间上一次性垫或 OTP 的推广,而 OTP 是伽罗瓦域上 QPP 的简化。基于此,本文研究了一种 AES 变体,将 AES 的 ShiftRows 和 MixColumns 与 QPP 结合起来,形成一种量子安全轻量级密码体制,称为 AES-QPP。AES-QPP 将 SubBytes 和 AddRoundKey 与 16 个 8 位置换矩阵的相同 QPP 结合起来,本质上 SubBytes 是一个特殊的 8 位置换矩阵,AddRoundKey 是从 XOR 操作中选择的 16 个 8 位置换矩阵。通过随机选择 16 个带有密钥材料的置换矩阵,AES-QPP 可以容纳总共 26,944 位香农熵。它不仅提高了对差分和线性攻击的安全性,而且还将轮数大大减少到 5 轮。AES-QPP 可能是量子安全轻量级密码体制的良好候选者。
众所周知,供应链上的信息共享可以提高生产力并降低成本。然而,随着供应链向更加动态和灵活的方向发展,隐私问题对所需的信息检索提出了严峻的挑战。不同利益相关者之间缺乏信任会阻碍先进的多跳信息流,因为用于跟踪和追溯产品和零件的宝贵信息要么不可用,要么仅保留在本地。我们对以前方法的广泛文献综述表明,这些跨公司信息检索的需求得到了广泛认可,但相关工作目前只能充分解决这些问题。为了克服这些问题,我们提出了 PrivAccIChain,这是一种安全的隐私保护架构,用于改进供应链上的多跳信息检索,并实现利益相关者责任制。为了满足特定用例的需求,我们特别在设计中引入了透明度和数据隐私的适应性配置。因此,即使在包括相互不信任的利益相关者的供应链中,我们也能实现信息共享以及多跳跟踪和追踪的好处。我们评估了 PrivAccIChain 的性能,并根据可购买汽车 e.GO Life 的信息证明了其在现实世界中的可行性。我们进一步进行了深入的安全分析,并提出了针对常见攻击的可调缓解措施。因此,我们证明 PrivAccIChain 即使在具有灵活和动态业务关系的复杂供应链中也适用于信息管理。
N )在给定足够数量的明文-密文对的情况下搜索大小为 N 的密钥空间。Jaques 等人 (EUROCRYPT 2020) 的最新成果展示了在 NIST 的 PQC 标准化过程中定义的不同安全类别下针对 AES 的量子密钥搜索攻击的成本估算。在这项工作中,我们将他们的方法扩展到轻量级分组密码,以估算在电路深度限制下量子密钥搜索攻击的成本。我们给出了轻量级分组密码 GIFT、SKINNY 和 SATURNIN 的量子电路。在 NIST 的最大深度约束下,我们给出了门数和深度乘以宽度成本指标的总体成本。我们还为所有版本的 GIFT、SKINNY 和 SATURNIN 提供了完整的 Grover 预言机的 Q# 实现,用于单元测试和自动资源估算。
* 本稿件由 UT-Battelle, LLC 撰写,根据与美国能源部 (DOE) 签订的合同 DE-AC05-00OR22725。美国政府保留,出版商在接受发表本文时,承认美国政府保留非独占、已付费、不可撤销的全球许可,可以出于美国政府目的出版或复制本稿件的已出版形式,或允许他人这样做。DOE 将根据 DOE 公共访问计划 ( http://energy.gov/downloads/doe-public-access-plan ) 向公众提供这些联邦资助研究的结果。
鉴于轻型无线电和处理技术的可用性,使用气象气球的频谱传感系统变得可行。这种气球可在高达 40 公里的空域中航行,并可提供鸟瞰图和清晰的地面和空中频谱使用情况。在本文中,我们介绍了 SkySense,它是 Electrosense 传感框架的扩展,具有移动 GPS 定位传感器和本地数据记录。此外,我们还介绍了 6 种不同的传感活动,针对多种地面或空中技术,如 ADS-B、AIS 或 LTE。例如,对于 ADS-B,我们可以清楚地得出结论,检测到的飞机数量对于每个气球高度都是相同的,但由于碰撞,消息接收率会随着高度的增加而急剧下降。对于每个传感活动,都描述了数据集,并给出了一些示例频谱分析结果。此外,我们还分析和量化了从空中感知时可见的重要趋势,例如温度和硬件变化、环境干扰水平的增加以及轻量级系统的硬件限制。一个关键的挑战是系统的自动增益控制和动态范围,因为在 30 公里以上导航的无线电可以看到非常广泛的可能信号电平范围。所有数据都可通过 Electrosense 框架公开获取,以鼓励频谱感知社区进一步分析数据或激励使用气象气球进行进一步的测量活动。
航天 – 高密度解决方案 HUBER+SUHNER 提供完整的项目管理,包括客户/行业筛选和资格测试计划、测试配置文件和报告编制。这包括利用和采购合格测试供应商名单 (QTSL) 实验室以及定义 DPA 程序和测试 MIL-STD-1580 范围之外的定制混合组件。采购、可追溯性和组装过程均根据 ESA、NASA 和 MIL 标准执行。我们拥有广泛的制造、质量控制和质量保证能力,可不断为客户提供最优质、最可靠的产品,以满足其苛刻的航天应用需求。
这是《数量级》的第三版,简明扼要地介绍了美国国家航空咨询委员会 (NACA) 及其继任机构美国国家航空航天局 (NASA) 的历史。在航天飞机重返太空、重振美国自豪感的时代,这一版让我们回想起我们第一次离开地球表面的情景,并纪念 NACA 成立 75 周年——这是我们第一个推动人类动力飞行发展的国家机构。在不到半个世纪的时间里,美国从大西洋沿岸基蒂霍克的沙丘发展到广阔的“新海洋”——太空。这种航行所需的技术变革速度如此之快,尤其是在过去的四分之一世纪里,以至于我们很容易忘记航空研究和开发——无论是在推进、结构、材料还是控制系统方面——为高效可靠的民用和军用飞行能力提供了根本基础。因此,美国国家航空航天局 (NASA) 的《数量级》这一版本不仅更新了历史记录,而且使航空学在该机构的历史和人类最迷人和最持续的航行中恢复了应有的地位,这是非常恰当的。